通俗解释
注意力的瓶颈不是算力而是显存读写。FlashAttention 把 Q/K/V 切块放进片上高速缓存，边算边做在线 softmax，从不把完整注意力矩阵写回显存。v2 改进并行，v3 利用 Hopper GPU 异步与 FP8。
用在哪里：PyTorch SDPA、vLLM、几乎所有训练/推理框架
01原始论文
FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness
Tri Dao, Daniel Y. Fu, Stefano Ermon, et al. · 2022
arXiv ↗ ✓ 已核实 · arXiv API
备注：v2：arXiv:2307.08691（2023）；v3：arXiv:2407.08608（2024）
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零理解一个大模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
flashattention)